多传感融合识别煤岩界面：应对截齿损耗提升精度

本文主要探讨了在采煤机开采过程中实现煤岩界面精准识别的方法，针对截齿损耗对截割特征信号的显著影响，研究者设计了一种多传感信息融合的识别策略。该方法首先通过在新齿、轻微磨损、一般磨损和严重磨损四种状态下的截齿，采集振动信号、电流信号、声发射信号和红外闪温信号，当截齿在不同磨损程度下切割煤岩时，这些信号会发生变化，从而建立了一个包含多种截割信号特征的样本库。 关键步骤包括利用模糊特征来处理相邻截煤比的截割特征信号，通过最小模糊熵作为优化目标，采用自适应权重粒子群算法优化每个特征信号的隶属度函数。这种方法充分利用了D-S（Dempster-Shafer）证据理论的“与”决策准则，确保了在多源信息融合下的识别准确性。 通过对识别结果信度值的深入分析，研究发现截齿磨损程度对截割特征信号影响显著，磨损程度不同，最优隶属度函数会动态调整以适应不同的信号特征。识别结果显示，煤岩界面轨迹通常接近具有最高信度的截煤比，并在次高信度水平上具有一定趋近性。然而，如果仅依赖单一优化的隶属度函数进行识别，随着截齿损耗的增加，识别精度会急剧下降，最大下降幅度高达43.04%。 作者强调，考虑截齿损耗的多传感信息融合识别模型能够有效抵消因磨损带来的信号误差，显著提高煤岩界面的识别精度，其识别误差范围保持在1.54%以内。这项研究得到了国家自然科学基金面上资助项目和广西自然科学基金联合培育项目的资金支持，旨在推动煤矿智能化技术的发展，提升采煤作业的安全性和效率。